Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LNC_2X_1Y_V2",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"SLA_2X_1Y_V2",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
# 1.9%
#### 5.7%
############### 21.3%
############################################################ 83.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
1.2%
#### 5.6%
############## 19.8%
####################################################### 76.7%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.6%
###### 9.1%
################# 24.0%
################################################################### 93.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
0.6%
# 2.1%
###### 8.5%
####################### 32.9%
################################################################# 90.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
0.2%
0.6%
# 2.2%
###### 8.5%
################### 27.7%
################################### 49.0%
################################################## 70.0%
################################################################# 91.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.1%
1.2%
## 3.6%
######### 13.6%
####################################### 54.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.0%
###### 9.2%
############################ 40.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
# 1.5%
############ 17.3%
############################ 39.1%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.6%
############# 19.4%
############################## 41.8%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.6%
############# 18.9%
######################################## 55.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.2%
0.6%
# 2.4%
#### 6.2%
####### 10.0%
######### 13.9%
############ 17.7%
############### 21.5%
################## 25.5%
##################### 29.4%
####################### 33.3%
########################## 37.1%
############################# 40.9%
################################ 44.7%
################################## 48.6%
##################################### 52.3%
######################################## 56.2%
########################################### 60.0%
############################################# 63.8%
################################################ 67.6%
################################################### 71.4%
###################################################### 75.2%
######################################################## 79.0%
########################################################### 82.8%
############################################################## 86.6%
################################################################# 90.4%
################################################################### 94.2%
###################################################################### 98.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.0%
0.1%
0.5%
# 2.1%
#### 5.8%
###### 9.3%
######### 12.8%
########### 16.3%
############## 19.7%
################ 23.2%
################### 26.7%
##################### 30.1%
######################## 33.6%
########################## 37.0%
############################# 40.5%
############################### 43.9%
################################## 47.4%
#################################### 50.9%
####################################### 54.3%
######################################### 57.8%
############################################ 61.3%
############################################## 64.6%
################################################# 68.1%
################################################### 71.6%
###################################################### 75.0%
######################################################## 78.4%
########################################################## 81.9%
############################################################# 85.3%
############################################################### 88.7%
################################################################## 92.1%
#################################################################### 95.5%
####################################################################### 99.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.1%
0.4%
# 1.7%
### 5.5%
###### 9.6%
######### 13.4%
############ 17.2%
############### 21.0%
################# 24.8%
#################### 28.5%
####################### 32.3%
######################### 36.0%
############################ 39.8%
############################### 43.6%
################################## 47.4%
#################################### 51.1%
####################################### 54.9%
########################################## 58.7%
############################################ 62.5%
############################################### 66.3%
################################################## 70.0%
##################################################### 73.9%
####################################################### 77.7%
########################################################## 81.4%
############################################################# 85.3%
################################################################ 89.0%
################################################################## 92.8%
##################################################################### 96.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.2%
1.0%
## 3.5%
########## 14.0%
####################################### 55.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
1.1%
########### 16.2%
########################################## 59.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
# 1.9%
###### 9.3%
############################## 42.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.1%
1.1%
## 3.9%
########## 14.8%
########################################## 59.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.7%
################# 23.7%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
# 2.2%
####### 10.2%
########################### 37.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.1%
######################################################################## 100.0%Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogenButler{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)LNC_LUT = load_LUT(LeafNitrogenBoonman{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)Specific leaf area
SLA_LUT = load_LUT(LeafSLAButler{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)SLA_LUT = load_LUT(LeafSLABoonman{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)CHT_LUT = load_LUT(CanopyHeightBoonman{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)
Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)
Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)
Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)
Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)Land surface
Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)This page was generated using Literate.jl.